Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
【試作】IoT x AIエージェント
Search
Sponsored
·
SiteGround - Reliable hosting with speed, security, and support you can count on.
→
コロッケそば
August 28, 2026
Technology
91
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
【試作】IoT x AIエージェント
必要なときだけ人が動く(Human-in-the-loop /Human-on-the-loop)
コロッケそば
August 28, 2026
More Decks by コロッケそば
See All by コロッケそば
【試作】IoT x AIエージェント
happysamurai294
0
100
見守りエージェントを作ってみた(ローカルLLM + Hermes Agent)
happysamurai294
0
170
見守り エージェントをローカルLLMで作ってみた
happysamurai294
0
110
内部仕様を可視化して ドキュメント品質を上げる - 「読む仕様書」から「観る仕様書」へ -
happysamurai294
0
62
コロッケそばAgentが名古屋の猛暑からあなたを守る機能仕様
happysamurai294
0
87
AIエージェントが名古屋の猛暑からあなたを守る
happysamurai294
0
240
第26回FA設備技術勉強会 - Claude/Claude_codeでデータ分析 -
happysamurai294
0
630
LangChain v1.0にトライ~ AIエージェントアプリの移行(v0.3 → v1.0) ~
happysamurai294
0
410
生成AIの振返りとAIエージェントによる新しい価値
happysamurai294
0
76
Other Decks in Technology
See All in Technology
Nav2、Nav3 ... はたまた自作?〜 作って理解する Nav3 の設計意図 〜 / Nav2, Nav3 ... or Build Your Own? — Understanding Nav3's design intent by building it from scratch
yanzm
0
180
書籍『生成AIの安全性入門』の入門
wataoka
0
160
[RSJ26] Flow as Flow: Modeling Robot Velocity Fields as Probability Velocity Fields
keio_smilab
PRO
0
180
AIで開発は速くなったのに、なぜ現場は楽にならないのか 〜あなたの組織のボトルネックを突き止めるワークショップ〜
jacopen
1
210
少人数データチームのDevin活用実践事例
runandy16
2
350
APIセキュリティを組織で実現するには~注力する点と設計・実装に入れたい対策~
riiimparm
3
890
AIエージェントの開発・提供におけるセキュリティリスクの論点と対策
flatt_security
1
380
いま、生成AIにKaggleをどこまで 任せられるか — ROGIIコンペでの進め方とTips
k951286
1
1.2k
Kiro Crewしか勝たん!?
miu_crescent
PRO
0
150
Oracle AI Databaseデータベース・サービス: BaseDB/ExaDB-Dの可用性
oracle4engineer
PRO
1
1.1k
Hub & Spoke 環境のネットワークルーティングを分解してみる
tsuyataku
1
510
DINO-EdgeQuery:Edge-First Polygon Decoding for Building Footprint Extraction from Satellite Imagery
lehupa
0
130
Featured
See All Featured
The Organizational Zoo: Understanding Human Behavior Agility Through Metaphoric Constructive Conversations (based on the works of Arthur Shelley, Ph.D)
kimpetersen
PRO
0
430
Designing Dashboards & Data Visualisations in Web Apps
destraynor
232
55k
Build The Right Thing And Hit Your Dates
maggiecrowley
39
3.4k
Believing is Seeing
oripsolob
1
200
Java REST API Framework Comparison - PWX 2021
mraible
34
9.7k
What the history of the web can teach us about the future of AI
inesmontani
PRO
1
680
How To Speak Unicorn (iThemes Webinar)
marktimemedia
1
570
Deep Space Network (abreviated)
tonyrice
0
280
Principles of Awesome APIs and How to Build Them.
keavy
128
18k
Building AI with AI
inesmontani
PRO
1
1.2k
sira's awesome portfolio website redesign presentation
elsirapls
0
380
Producing Creativity
orderedlist
PRO
348
41k
Transcript
#humanontheloop | 2026/08/31 Human in the loop? Human on the
loop? meetup #1 【試作】 IoT × AIエージェント ― 必要なときだけ人が動く(Human-in-the-loop /Human-on-the-loop) ― コロッケそば(株式会社 GUGEN 福士清之) @HappySamurai294 © コロッケそば 2026 All rights reserved. 1
自己紹介 コロッケそば @HappySamurai294 67歳 / 名古屋市在住 株式会社 GUGEN 発表内容は個人の見解であり所属組織の公式見解ではありません 立ち食い/駅そば
コロッケそばが大好き! シャープモバイル型ロボット ロボホンが大好き! © コロッケそば 2026 All rights reserved. 2
何を作ったか 故障兆候の検知から原因分析レポート生成までをオーケストレーション 1 データ取得 現場のPLC/機器データ を遠隔で収集 IoT監視装置 FALCONNECT 2 常時監視・
一次検知 3 スクリーニング 閾値と挙動から 故障兆候を一次検知 検知内容を要約・絞り込 み誤検知の候補を除外 エージェント向け実行環境 ローカルLLM Hermes Agent Gemma4:26b 4 人間判定 「ノイズ」か「故障兆候」 かを人が判断 Human-in-th-loop HITL 5 原因分析 レポート 要因分析とFTA(故障ツ リー)レポートを作成 フロンティアAI Claude Code 全タスク状況をリアルタイムで可視化(HOTL) Human-on-th-loop ⚫ 自律監視ループを止めず、各タスクの状況を把握できる。ブラックボックス化を防ぐ ⚫ 必要に応じて人が介入できる © コロッケそば 2026 All rights reserved. 3
(今回の悩みどころ): 人の確認を外す基準 1 2 間違えたとき、後から気づけるか 過検知は画面に表示されるが、除外は静かに起きる 同じ判断が、過去にあったか 人が判断するのは初回だけ。2回目以降は過去の判定を適用する この2つが揃ったら、人の確認を外す ©
コロッケそば 2026 All rights reserved. 4
具体例で見てみる (シーン):毎朝8:00、冷却水ポンプの振動が跳ねる(IoT監視装置の閾値を超えた) でもそれは、毎朝の洗浄作業。現場では正常です。(機械は閾値超えでエラー) 8:00 洗浄 8:00 洗浄 14:20 本物の兆候 波形はどれも同じ。違うのは「発生時間」だけ
── 「現場の定常作業」その情報はIoTデータにはない。 © コロッケそば 2026 All rights reserved.
(HITL):人が判断するのは「ニ択」 人の作業をシンプルな「選択」にする HITL 判定 全データを読ませない。検知値・ ルール ・所見の3点を 提示 機器 WP-207
冷却水ポンプ 検知値 軸受振動 5.1 mm/s ルール spike(30件中2回超過) 所見 洗浄作業帯に近接。判断要 ノイズ(正常) 人の判断が必要になった瞬間を知らせる 可視化UI(KANBAN)にパトランプ「黄色」で通知 故障の疑い 提示は3点だけ。答えは2択だけ。 ※ 社内事情や社内ノウハウはローカルLLMで閉じる © コロッケそば 2026 All rights reserved. 6
運用するほど賢くなる/人の判定が減る knowledge.json / 構造化データ machine_id × 08:00–09:10 の除外エントリ。以後はシステムが自動的 に除外する。 人間の判定
「ノイズ(正常)」 knowledge.md / 自然言語 選択結果がそのままAIエージェントの知識になる 同類ケースでは人の判定が不要になる ⚫ 賢くなるのはモデルではなく、LLMに渡す「業務ナレッジ」(LLMの文脈学習として使われる) ⚫ 業務ナレッジファイルは、人間が読める(修正もできる) © コロッケそば 2026 All rights reserved. 7
デモ © コロッケそば 2026 All rights reserved. 8
© コロッケそば 2026 All rights reserved. 9
まとめ ⚫ 人が見ることを「やめる」条件は精度ではありません ⚫ やめた後、間違いに気づける仕掛けがあるかどうかです ⚫ 「全部見る」をやめる準備とは精度の準備ではなく、観測でき る準備ができているか、と考えます © コロッケそば
2026 All rights reserved. 10
(脱線)AIエージェントと仏教の「縁起」は世界観が似ている 2,500年前、お釈迦様は、AIエージェントの登場を知っていた?? © コロッケそば 2026 All rights reserved. 11